地下定位面对环境恶劣、干扰、多径等影响,常规算法难以获得高精度的定位结果,同时井下环境多为狭长的巷道,不利于布置定位所需的锚节点,而井下锚节点的布置通常对定位结果有较大影响,因而使用普通的定位方法不足以满足智能采矿所需的高精度定位需求.本文对传统的三边定位算法进行分析,总结了传统三边定位结果产生误差的原因,并提出了改进的算法,通过仿真实验验证了改进算法的有效性.同时通过理论分析误差带,使用最大绝对定位误差用于仿真分析拓扑结构对定位结果精度的影响,提出了对拓扑结构的优化原则,能够根据环境特点以实现定位区域内平均最大绝对定位误差最小为原则得出最优拓扑结构.文中设置了仿真实验和实地实验对改进的算法和拓扑结构优化方法进行了验证,实验结果中,改进的算法能够在相同拓扑结构下减小15%~43%的误差,而在相同算法下优化的拓扑结构能够减小17%~65%,二者结合能够减小误差达74%.结果表明,在相同的定位条件下,改进的定位算法能够明显提高定位结果的精度,同时定位结果与拓扑结构之间也有着密切的联系,根据实际环境灵活布置拓扑结构能够使定位结果的精度进一步提高,将改进的算法与拓扑结构优化方法结合可以实现更高的定位精度

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

第一节定位方法与观测量 一、定位方法分类 1、动态定位与静态定位: 动态定位——认为接收机相对于地面是运动的。 静态定位—认为接收机相对于地面静止不动。 2、绝对定位与相对定位: 绝对定位求测站点相对于地心的坐标; 相对定位———求测站点相对于某已知点的坐标增量;

授课主要内容 工件的定位是通过工件上的定位基准面和夹具上定位元件工作表面之间的配合 或接触实现的，一般应根据工件上定位基准面的形状，选择相应的定位元件。 一、工件以平面定位 工件以平面定位时，常用定位元件：固定支承、可调支承、浮动支承、辅助支 承

利用GPS进行绝对定位时,定位精度受卫星轨道误 差、钟差及信号传播误差等因素影响,尽管其中的- 些系统误差,可以通过模型加以消除,但残差仍不 忽视。实践表明,目前静态绝对定位精度为米级 态绝对定位精度仅为10-40m。 GPS相对定位也叫差分GPS定位,是目前GPS定位中 精度最高的一种,广泛用于大地测量、精密工程测 量、地球动力学研究和精密导航

2.1概述 2.2定位原理 2.3完全定位与不完全定位 2.4欠定位与过定位 2.5定位方式与定位元件 2.6工件的组合定位

基于图像处理的方法，采用了由粗及精的瞳孔定位思想，提出了一种高精度的瞳孔定位算法。该算法首先利用瞳孔区域的直方图，采用改进的最大类间方差法自适应地分割瞳孔区域，实现粗略定位，然后利用瞳孔灰度的梯度特性来精确定位瞳孔边缘点，最后在像素级瞳孔边缘点的基础上，采用亚像素定位方法，更精确地求得亚像素级瞳孔边缘点，并通过椭圆拟合的方法来精确确定瞳孔的中心位置。另外，针对瞳孔被遮挡的情况，本文提出了一种等距离补偿瞳孔的方法。多次实验结果证明了该算法对遮挡瞳孔的定位有较强的鲁棒性，可以准确地定位瞳孔的位置

动态定位:接受机开机后处于运动状态的定位方式。分动态绝对定位和动态相对定位;实时动态定位和事后动态定位

一：静态相对定位 用两台接接收机分别安置在基线的两个端点，其位置静 止不动，同步观测相同的4颗以上卫星，确定两个端点 在协议地球坐标系中的相对位置，这就叫做静态相对 定位。 静态相对定位一般均采用载波相位观测值（或测相伪距） 为基本观测量，对中等长度的基线（100-500km），相 对定位精度可达10-6 -10-7甚至更好，静态相对定位是目 前GPS精度最高的定位方式

脏腑定位，即明确病变所在的脏腑，是中医脏腑辨证的重要阶段。本文旨在通过神经网络模型搭建中医脏腑定位模型，输入症状文本信息，输出对应的病变脏腑标签，为实现中医辅助诊疗的脏腑辨证提供支持。将中医的脏腑定位问题建模为自然语言处理中的多标签文本分类问题，基于中医的医案数据，提出一种基于预训练模型ALBERT和双向门控循环单元（Bi-GRU）的脏腑定位模型。对比实验和消融实验的结果表明，本文提出的方法在中医脏腑定位的问题上相比于多层感知机模型、决策树模型具有更高的准确性，与Word2Vec文本表示方法相比，本文使用的ALBERT预训练模型的文本表示方法有效提升了模型的准确率。在模型参数上，ALBERT预训练模型相比BERT模型降低了模型参数量，有效减小了模型大小。最终，本文提出的脏腑定位模型在测试集上F1值达到了0.8013